추첨용 볼 45개 중 홀수는 23개(51.1%), 짝수는 22개(48.9%)로 구성되어 있어 각 공이 뽑힐 확률은 대칭에 가깝습니다. 이를 베르누이 시행에 따른 이항분포 모델로 근사화하면, 6개의 당첨 번호 중 홀수 번호가 k개 출현할 확률 P(X=k)는 독립 시행 조건 하에서 계산할 수 있습니다.

계산 결과, 홀수와 짝수의 배분이 **3:3인 대칭 조합**은 약 33%의 출현 빈도를 보이며, 4:2 또는 2:4 조합까지 포함하면 **전체 발생 비율의 약 81.2%**가 이 통계적 밴드 안에 고밀도로 집약됩니다. 반대로 6:0이나 0:6과 같이 모든 당첨 번호가 홀수 또는 짝수로 치우친 극단적 쏠림 조합은 발생 빈도가 단 2.6% 미만에 불과합니다. LottoMath AI는 이러한 이항분포 대칭성 법칙에 부합하도록 번호 조합을 판정하여 사용자가 확률의 중심부 밸런스(B등급 이상)에 안착할 수 있도록 필터링을 지원합니다.

당첨 번호 6개 합산 값은 통계학의 핵심 정리인 **중심극한정리(Central Limit Theorem)**에 지배를 받습니다. 1부터 45까지의 숫자를 비복원 추출하여 합산할 때, 표본 평균의 합은 표본 크기가 늘어남에 따라 정규분포(가우시안 분포) 곡선을 띠게 됩니다. 6개 번호 총합의 수학적 기댓값(평균값)은 **138**이며, 표준편차는 대략 **29.95**로 계산됩니다.

정규분포 이론에 따르면 평균 기댓값 138을 중심으로 약 1표준편차 범위 내에 전체 사건의 68.27%가 존재하게 됩니다. 실제 역대 나눔로또의 당첨 총합 분포를 검증해 보면, 총합이 **120 이상 180 이하의 구간**에 당첨 번호의 70% 이상이 수렴하는 회귀적 특징을 보입니다. 반면 총합이 80 미만으로 너무 낮거나 200 이상으로 지나치게 치솟은 조합은 이론적으로도 발생 확률이 매우 낮으므로, 로또매스는 이러한 정규분포 회귀의 황금 밴드를 조합 생성 알고리즘의 주요 필터로 활용하고 있습니다.

특정 번호가 매 회차 추첨될 확률은 p = 6/45 ≒ 13.3%입니다. 임의의 번호가 n회 연속으로 당첨 번호에 나타나지 않을 확률은 **기하분포(Geometric Distribution)** 모델을 따릅니다. 이를 수식으로 나타내면 f(n) = (1-p)^n * p 가 되며, 특정 번호의 평균적인 재출현 대기 회차 기댓값은 1/p ≒ 7.5회로 수렴합니다.

보통 10주 이상 등장하지 않는 번호를 장기 미출수(Cold Numbers)라고 분류하며, 마르코프 체인(Markov Chain) 이론에 따라 최근 출현 팟(Hot)에서 장기 미출현 팟(Cold)으로 번호들이 상태 전이(State Transition)하는 현상을 수학적으로 모델링할 수 있습니다. 실제 당첨 데이터를 보면 6개 번호 중 보통 5개 내외는 최근 10주 이내에 출현한 번호에서 나오며, 나머지 0~1개 정도만이 장기 미출수에서 뽑히는 대역 분포적 규칙을 따릅니다. LottoMath는 이를 감각적인 예측이 아닌 엄밀한 기하분포 주기와 상태 전이 가중치에 맞춰 밸런스 등급(B등급 이상)을 진단합니다.